基于卷积神经网络的单目深度估计

• 作者: 张桂玲 王欣盛
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 深度估计 卷积神经网络 语义分割 无人驾驶
• 年，卷（期）: 2020,（13）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 143-149
• 页数: 7页
• 分类号: TP183
• 字数: 5532字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1903-0207

摘要

针对利用深度学习方法对街道图像进行深度估计,提出采用语义分割的方法解决深度图出现边界模糊等问题;估计深度通过左右视角图生成视差图进行无监督的训练.在网络模型中添加语义分割层,采取多个空洞卷积并行的结构增加感受野,同时减少了图像下采样的次数,降低了由于下采样带来的信息损失,使得的结果更加准确.这也是在深度估计中首次与空洞卷积相结合增加准确率.通过对KITTI街道数据集进行训练,与现有结果相比,除了增加检测准确性,降低错误率之外,使得效果图中的物体更加清晰,并且在效果图中还保留了一些原模型中被忽视掉的细节信息,将原始图像更加完整的表现出来.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张桂玲	天津工业大学计算机科学与技术学院	13	43	4.0	5.0
3	王欣盛	天津工业大学计算机科学与技术学院	1	0	0.0	0.0